CN116189215A - 自动审核方法、装置、电子设备及存储介质 - Google Patents
自动审核方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116189215A CN116189215A CN202211726037.3A CN202211726037A CN116189215A CN 116189215 A CN116189215 A CN 116189215A CN 202211726037 A CN202211726037 A CN 202211726037A CN 116189215 A CN116189215 A CN 116189215A
- Authority
- CN
- China
- Prior art keywords
- field
- matching
- decision tree
- text information
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003066 decision tree Methods 0.000 claims abstract description 81
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000012550 audit Methods 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 239000013598 vector Substances 0.000 description 19
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种自动审核方法、装置、电子设备及存储介质，属于数据处理技术领域。所述方法包括：从待审核图像的文本信息中识别多个字段；根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
Description
技术领域
本申请属于数据处理技术领域，具体涉及一种自动审核方法、装置、电子设备及存储介质。
背景技术
随着信息化的发展，大量数据被存储在计算机系统中。但仍有许多场景需要通过纸质化文件来核对计算机系统中数据的真实性和有效性。
多数企业采用人工审核的方式，成本较高。相关的自动审核方法使用光学字符识别(Optical Character Recognition，OCR)对纸质文件的影像进行文本识别，将文本结构化解析后存储到数据库，再由计算机系统进行核对。但这种方法对无边框的文本或模糊文本的识别效果差，并且无法识别不同纸质文件的类型，进而无法判断纸质文件中的信息是否有效，导致审核的准确度较低。
发明内容
本申请实施例的目的是提供一种自动审核方法、装置、电子设备及存储介质，能够在降低审核成本的同时，提高自动审核的准确度。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种自动审核的方法，该方法包括：从待审核图像的文本信息中识别多个字段；根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
第二方面，本申请实施例提供了一种自动审核装置，该装置包括识别模块，用于从待审核图像的文本信息中识别多个字段；计算模块，用于根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；筛选模块，用于将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；审核模块，用于将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的自动审核方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的自动审核方法的步骤。
在本申请实施例中，通过从待审核图像的文本信息中识别多个字段；根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核，能够在降低审核成本的同时，提高自动审核的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出本申请实施例提供的自动审核方法的一种流程示意图；
图2示出本申请实施例提供的自动审核方法的另一种流程示意图；
图3示出本申请实施例提供的构造决策树的一种流程示意图；
图4示出本申请实施例提供的自动审核装置的结构示意图；
图5示出执行本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的自动审核方法进行详细地说明。
图1是本申请实施例提供的自动审核方法的一种流程示意图，该方法可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示，该方法可以包括以下步骤。
S101：从待审核图像的文本信息中识别多个字段。
其中，所述待审核图像可以是身份证、银行卡等证件图像，也可以是票据、清单或者报告等具有文本信息的图像。
具体的，待审核图像的文本信息可以使用通用文本接口进行提取和识别，再通过数据挖掘的方式获得该文本信息中的关键字段。例如身份证图像，经过数据挖掘后可以将身份证图像中的姓名、民族、性别、出生年月、身份证号、住址等属性字段对应的信息单独提取至文档中。可选的，对上述文本信息中的特殊字符，例如星号、冒号等进行数据过滤，避免由特殊字符导致后续步骤中的匹配错误。
S102：根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数。
具体的，所述业务记录包括但不限于报销申请、理赔申请或休假记录等数据记录。所述业务记录中具有多个字段的信息，根据所述业务记录的字段可以在待审核图像的文本信息中匹配到零个、一个或者多个对应的字段。可选的，1表示匹配到对应的字段，0表示未匹配到对应的字段。每匹配到一次对应的字段，匹配次数加一。例如，业务记录中的姓名字段可以在5张待审核图像的文本信息中匹配到，所述姓名字段的匹配次数和匹配分数为(5,1)。
S103：将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像。
具体的，每个所述第一决策树具有一种图像类型的字段的筛选规则。根据所述筛选规则可以批量处理待审核图像，将不符合业务记录的待审核图像删除。例如，业务记录中记录了用户A的住院数据，包括用户A的身份信息、出入院时间和用药记录。若待审核图像中用户A的身份信息和用药记录均与该业务记录相同，但出入院时间与该业务记录不同，则上述待审核图像与该业务记录不关联。
可选的，根据第一决策树可以判断待审核图像的图像类型。待审核图像通过至少一个第一决策树，表明该待审核图像中至少具有符合一种图像类型的字段。
S104：将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
具体的，所述匹配次数可以反映目标待审核图像的数量，根据目标待审核图像的数量和匹配分数综合判断待审核图像的完备性会更灵活。例如用户A上传3张票据图像作为业务记录1的证明，这3张票据图像可以匹配业务记录1中的全部字段，因此业务记录1通过审核。用户B丢失其中一张票据，但上传了多张能够证明该丢失票据中信息的文件图像，用户B上传的图像可以匹配业务记录2中的全部字段，即业务记录2通过审核。
可选的，所述审核规则包括业务记录中各个字段的评分权重，不同的字对应不同的分数阈值。比如身份证图像的审核规则中，身份证号和姓名的分数阈值较高，性别、民族、出生年月等字段的分数阈值较低。
本申请实施例通过从待审核图像的文本信息中识别多个字段；根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核，能够在降低审核成本的同时，提高自动审核的准确度。
图2是本申请实施例提供的自动审核方法的另一种流程示意图，如图2所示，该方法可以包括以下步骤。
S201：从待审核图像的文本信息中识别多个字段。
本步骤可以采用图1实施例步骤S101的描述，在此不再赘述。
S202：在所述文本信息中查找与所述业务记录中的数值字段相同的数值字段，在查找到相同的数值字段的情况下，将匹配分数设置为1，匹配次数设置为1。
具体的，数值字段包括但不限于年龄、证件号码、时间、日期等数据。可选的，对多种日期表示的格式进行适配，例如“2022年01月01日”、“2022-01-01”、“20220101”、“2022/01/01”等。
可选的，在待审核图像中数值字段存在部分遮挡，导致文本信息中的数值字段不完整的情况下，可以进行缺位查询。
S203：在所述文本信息中查找与所述业务记录中的文本字段所对应的文本字段，在查找到相同的文本字段的情况下，将匹配分数设置为1，匹配次数设置为1。
具体的，通过词向量模型得到各个文本字段的向量，计算业务记录中文本字段的向量和文本信息中文本字段的向量之间的相似度。在相似度为1的情况下，判定文本字段相同，将匹配分数设置为1。每查找到一个相同的文本字段，匹配次数加1。
可选的，向量之间的相似度计算可以采用向量内积或者余弦相似度等方法计算。例如，可以通过余弦相似度计算两个向量之间的夹角大小，夹角越小，则两个向量越相似。例如，第一向量为v(5,3,4,4)，第二向量为u(3,1,2,3),则第一向量v与第二向量u的余弦相似度为：
其中，simuv表示向量u和v的相似度，cos(u,v)表示向量u和v的之间的余弦夹角。
S204：在无法查找到相同的文本字段的情况下，将所述业务记录中的文本字段拆分为至少一个单词，在所述文本信息中查找与所述单词具有相似度的文本字段，在所述相似度大于预设阈值的情况下，将匹配分数设置为最高的相似度，匹配次数设置为1。
具体的，将业务记录中的长文本字段拆分为单词，通过词向量模型获得该单词的向量。通过单词的向量在待审核图像的文本字段中模糊查找，并计算该单词的向量与查找到的文本字段的向量的相似度。筛选出相似度分数高于预设阈值的文本字段，并将最高的相似度分数作为该单词的匹配分数。拆分后的剩余单词也按照上述步骤得到对应的匹配分数。在拆分出多个单词的情况下，选择最高的匹配分数作为上述长文本字段的匹配分数。
可选的，在业务记录中的文本字段匹配到多个待审核图像的文本字段的情况下，将多个匹配分数的中位数作为该业务记录中文本字段的匹配分数。
S205：将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像。
本步骤可以采用图1实施例步骤S103的描述，在此不再赘述。
S206：根据各个所述字段的匹配分数和匹配次数计算各个所述字段的综合分数。
可选的，将所述字段的匹配分数和匹配次数的乘积作为所述字段的综合分数。例如，姓名字段的匹配次数和匹配分数为(10,1)，则该姓名字段的综合分数为10。入院诊断疾病名称字段的匹配次数和匹配分数为(3,0.8)，则该入院诊断疾病名称字段的综合分数为2.4。这种方式可以间接检验待审核图像的种类是否完备。
S207：将所述综合分数输入到第二决策树中，在所述第二决策树的输出结果表示所述综合分数满足审核规则的情况下，所述业务记录通过审核。
本步骤可以采用图1实施例步骤S104的描述，在此不再赘述。
在一种实现方式中，所述自动审核方法还包括：在所述根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数之前，提取所述文本信息中的任意一个身份标识信息；匹配与所述身份标识信息对应的业务记录。
具体的，所述文本信息中至少包括一种身份标识信息，例如姓名、身份证号、社保卡号或统一社会信用代码等。根据上述身份标识信息可以匹配到数据库中至少一条业务记录。可选的，上述身份标识信息由字母和/或数字组成，将通用证件号码设置为正则表达式，可以提高匹配业务记录的效率。
本申请实施例通过从待审核图像的文本信息中识别多个字段；在所述文本信息中查找与所述业务记录中的数值字段相同的数值字段，在查找到相同的数值字段的情况下，将匹配分数设置为1，匹配次数设置为1；在所述文本信息中查找与所述业务记录中的文本字段所对应的文本字段，在查找到相同的文本字段的情况下，将匹配分数设置为1，匹配次数设置为1；在无法查找到相同的文本字段的情况下，将所述业务记录中的文本字段拆分为至少一个单词，在所述文本信息中查找与所述单词具有相似度的文本字段，在所述相似度大于预设阈值的情况下，将匹配分数设置为最高的相似度，匹配次数设置为1；将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；根据各个所述字段的匹配分数和匹配次数计算各个所述字段的综合分数；将所述综合分数输入到第二决策树中，在所述第二决策树的输出结果表示所述综合分数满足审核规则的情况下，所述业务记录通过审核，能够提高自动审核的准确度，检验待审核图像的种类是否完备。
本申请实施例通过在所述根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数之前，提取所述文本信息中的任意一个身份标识信息；匹配与所述身份标识信息对应的业务记录，能够提高匹配业务记录的效率。
图3是本申请实施例提供的构造决策树的一种流程示意图，如图所示，该方法可以包括以下步骤。
S301：根据多种图像类型包含的字段和匹配分数构造第一样本数据集和第一验证数据集。
具体的，获取需要训练的多种图像类型所包含的字段，例如，医院处方笺至少包含医院名称、科室名称、就诊日期、姓名、性别、诊断疾病名称、医生姓名、医疗费总额等字段，身份证至少包含身份证号、姓名、性别、民族、出生年月等字段。
可选的，所述匹配分数为0-1的区间，0表示样本图像不包含该字段，1表示样本图像中有相同的字段，0.1-0.9表示样本图像中的字段与上述图像类型所包含的字段之间的相似度分数。
S302：计算所述第一样本数据集中各个字段的基尼指数。
具体的，基尼指数用于判断各个字段与筛选规则的相关性，基尼指数越大，则对应字段对筛选结果的影响越小，基尼指数越小，则对应字段对筛选结果的影响越大。基尼指数的计算方法如公式1所示。
S303：选择基尼指数最大的字段作为所述第一决策树的根节点。
具体的，所述第一决策树是一棵二叉树，即根据根节点字段可以将筛选结果分为两类。例如，在筛选身份证图像时，若根节点字段为身份证号，则包含身份证号的图像通过筛选，不包含身份证号的图像被删除。
S304：在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值。
具体的，在根节点的每个分支中计算剩余字段的基尼指数，将剩余字段中基尼指数最大的字段作为分支节点。对应地，在该分支节点的每个分支中重复上述步骤，直到没有字段剩余或者基尼指数小于阈值，即该基尼指数对应的字段无法继续划分第一样本数据集。
S305：根据所述第一验证数据集对所述第一决策树进行评估和节点调整，得到训练好的第一决策树。
可选的，采用后剪枝方法降低该第一决策树在训练过程中过拟合的风险。具体的，对该第一决策树自底向上进行考察，判断将该第一决策树中的叶节点替换该叶节点所在的子树后，该第一决策树在第一验证数据集上的筛选效果是否有提升。经过多次判断后，选择效果最优的第一决策树。
在一种实现方式中，所述第二决策树的构造方法包括根据业务记录中多个字段的匹配次数、匹配分数和审核结果构造第二样本数据集和第二验证数据集；计算所述第二样本数据集中各个字段的基尼指数；选择基尼指数最大的字段作为所述第二决策树的根节点；在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值。根据所述第二验证数据集对所述第二决策树进行评估和节点调整，得到训练好的第二决策树。具体的，业务记录的审核结果包括完备和不完备。上述第二决策树的构造方法与第一决策树的构造方法相似，在此不再赘述。
本申请实施例通过根据多种图像类型包含的字段和匹配分数构造第一样本数据集和第一验证数据集；计算所述第一样本数据集中各个字段的基尼指数；选择基尼指数最大的字段作为所述第一决策树的根节点；在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值；根据所述第一验证数据集对所述第一决策树进行评估和节点调整，得到训练好的第一决策树，能够构造用于筛选与业务记录关联的目标待审核图像的第一决策树，降低了审核成本。
本申请实施例通过根据业务记录中多个字段的匹配次数、匹配分数和审核结果构造第二样本数据集和第二验证数据集；计算所述第二样本数据集中各个字段的基尼指数；选择基尼指数最大的字段作为所述第二决策树的根节点；在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值。根据所述第二验证数据集对所述第二决策树进行评估和节点调整，得到训练好的第二决策树，能够构造用于审核目标待审核图像的完备性的第二决策树，提高了自动审核的准确度。
图4示出本申请实施例提供的自动审核装置的结构示意图，该装置400包括：识别模块401、计算模块402、筛选模块403和审核模块404。
识别模块401用于从待审核图像的文本信息中识别多个字段；计算模块402用于根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；筛选模块403用于将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；审核模块404用于将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
在一种实现方式中，所述计算模块402还用于在所述文本信息中查找与所述业务记录中的数值字段相同的数值字段，在查找到相同的数值字段的情况下，将匹配分数设置为1，匹配次数设置为1；在所述文本信息中查找与所述业务记录中的文本字段所对应的文本字段，在查找到相同的文本字段的情况下，将匹配分数设置为1，匹配次数设置为1。
在一种实现方式中，所述计算模块402还用于在无法查找到相同的文本字段的情况下，将所述业务记录中的文本字段拆分为至少一个单词，在所述文本信息中查找与所述单词具有相似度的文本字段，在所述相似度大于预设阈值的情况下，将匹配分数设置为最高的相似度，匹配次数设置为1。
在一种实现方式中，所述计算模块402还用于提取所述文本信息中的任意一个身份标识信息；匹配与所述身份标识信息对应的业务记录。
在一种实现方式中，所述审核模块404还用于根据各个所述字段的匹配分数和匹配次数计算各个所述字段的综合分数；将所述综合分数输入到第二决策树中，在所述第二决策树的输出结果表示所述综合分数满足审核规则的情况下，所述业务记录通过审核。
在一种实现方式中，所述筛选模块403还用于根据多种图像类型包含的字段和匹配分数构造第一样本数据集和第一验证数据集；计算所述第一样本数据集中各个字段的基尼指数；选择基尼指数最大的字段作为所述第一决策树的根节点；在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值；根据所述第一验证数据集对所述第一决策树进行评估和节点调整，得到训练好的第一决策树。
在一种实现方式中，所述审核模块404还用于根据业务记录中多个字段的匹配次数、匹配分数和审核结果构造第二样本数据集和第二验证数据集；计算所述第二样本数据集中各个字段的基尼指数；选择基尼指数最大的字段作为所述第二决策树的根节点；在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值；根据所述第二验证数据集对所述第二决策树进行评估和节点调整，得到训练好的第二决策树。
图5示出执行本申请实施例提供的电子设备500的硬件结构示意图，参考该图，在硬件层面，电子设备500包括处理器504，可选地，包括内部总线503、网络接口501、存储器。其中，存储器可能包含内存502，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器505(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备500还可能包括其他业务所需要的硬件。
处理器504、网络接口501和存储器可以通过内部总线503相互连接，该内部总线503可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存502和非易失性存储器505，并向处理器504提供指令和数据。
处理器504从非易失性存储器505中读取对应的计算机程序到内存502中然后运行，在逻辑层面上形成定位目标用户的装置。处理器504，执行存储器所存放的程序，并具体用于执行前文方法实施例中图1-3所述的各方法，并实现前文方法实施例中图1-3所述的各方法的功能和有益效果，在此不再赘述。
上述如本申请图1-3所示实施例揭示的方法可以应用于处理器504中，或者由处理器504实现。处理器504可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器504中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器504可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络(Network Processor，NP)等；还可以是数字信号(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器504读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备500还可执行前文方法实施例中图1-3所述的各方法，并实现前文方法实施例中图1-3所述的各方法的功能和有益效果，在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备500并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前文方法实施例中图1-3所述的各方法，并实现前文方法实施例中图1-3所述的各方法的功能和有益效果，在此不再赘述。
其中，所述的计算机可读存储介质包括只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，实现前文方法实施例中图1-3所述的各方法的功能和有益效果，在此不再赘述。
总之，以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (10)
1.一种自动审核方法，其特征在于，包括：
从待审核图像的文本信息中识别多个字段；
根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；
将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；
将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
2.根据权利要求1所述的自动审核方法，其特征在于，所述根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数包括：
在所述文本信息中查找与所述业务记录中的数值字段相同的数值字段，在查找到相同的数值字段的情况下，将匹配分数设置为1，匹配次数设置为1；
在所述文本信息中查找与所述业务记录中的文本字段所对应的文本字段，在查找到相同的文本字段的情况下，将匹配分数设置为1，匹配次数设置为1。
3.根据权利要求2所述的自动审核方法，其特征在于，所述根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数还包括：
在无法查找到相同的文本字段的情况下，将所述业务记录中的文本字段拆分为至少一个单词，在所述文本信息中查找与所述单词具有相似度的文本字段，在所述相似度大于预设阈值的情况下，将匹配分数设置为最高的相似度，匹配次数设置为1。
4.根据权利要求1所述的自动审核方法，其特征在于，在所述根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数之前，还包括：
提取所述文本信息中的任意一个身份标识信息；
匹配与所述身份标识信息对应的业务记录。
5.根据权利要求1所述的自动审核方法，其特征在于，所述将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核包括：
根据各个所述字段的匹配分数和匹配次数计算各个所述字段的综合分数；
将所述综合分数输入到第二决策树中，在所述第二决策树的输出结果表示所述综合分数满足审核规则的情况下，所述业务记录通过审核。
6.根据权利要求1所述的自动审核方法，其中，所述第一决策树的构造方法包括：
根据多种图像类型包含的字段和匹配分数构造第一样本数据集和第一验证数据集；
计算所述第一样本数据集中各个字段的基尼指数；
选择基尼指数最大的字段作为所述第一决策树的根节点；
在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值；
根据所述第一验证数据集对所述第一决策树进行评估和节点调整，得到训练好的第一决策树。
7.根据权利要求1所述的自动审核方法，其中，所述第二决策树的构造方法包括：
根据业务记录中多个字段的匹配次数、匹配分数和审核结果构造第二样本数据集和第二验证数据集；
计算所述第二样本数据集中各个字段的基尼指数；
选择基尼指数最大的字段作为所述第二决策树的根节点；
在至少一个分支中计算各个剩余字段的基尼指数，将基尼指数最大的字段作为子节点，直至没有字段剩余或基尼指数小于阈值；
根据所述第二验证数据集对所述第二决策树进行评估和节点调整，得到训练好的第二决策树。
8.一种自动审核装置，其特征在于，包括：
识别模块，用于从待审核图像的文本信息中识别多个字段；
计算模块，用于根据所述文本信息对应的业务记录，计算各个所述字段的匹配分数和匹配次数；
筛选模块，用于将所述字段的匹配分数输入到至少一个第一决策树中，筛选与所述业务记录关联的目标待审核图像；
审核模块，用于将所述目标待审核图像中的字段的匹配分数和匹配次数输入到第二决策树中，在所述第二决策树的输出结果表示所述文本信息满足审核规则的情况下，所述业务记录通过审核。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7任一项所述的自动审核方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的自动审核方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211726037.3A CN116189215A (zh) | 2022-12-30 | 2022-12-30 | 自动审核方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211726037.3A CN116189215A (zh) | 2022-12-30 | 2022-12-30 | 自动审核方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116189215A true CN116189215A (zh) | 2023-05-30 |
Family
ID=86451608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211726037.3A Pending CN116189215A (zh) | 2022-12-30 | 2022-12-30 | 自动审核方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116189215A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575004A (zh) * | 2024-01-16 | 2024-02-20 | 北京壁仞科技开发有限公司 | 基于双层决策树的核函数确定方法、计算设备和介质 |
| CN118193772A (zh) * | 2024-05-13 | 2024-06-14 | 飞狐信息技术（天津）有限公司 | 一种图像分析处理方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106572100A (zh) * | 2016-10-25 | 2017-04-19 | 中国建设银行股份有限公司 | 一种业务数据转移的审核方法、装置及系统 |
| WO2021003968A1 (zh) * | 2019-07-09 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 数据核对方法、装置、计算机设备和存储介质 |
| CN112801231A (zh) * | 2021-04-07 | 2021-05-14 | 支付宝(杭州)信息技术有限公司 | 用于业务对象分类的决策模型训练方法和装置 |
| CN113377711A (zh) * | 2021-06-29 | 2021-09-10 | 平安普惠企业管理有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
| WO2022121163A1 (zh) * | 2020-12-11 | 2022-06-16 | 平安科技（深圳）有限公司 | 用户行为倾向识别方法、装置、设备及存储介质 |
| CN115293915A (zh) * | 2022-08-09 | 2022-11-04 | 中国平安人寿保险股份有限公司 | 一种业务数据的校验方法、装置、设备及存储介质 |
-
2022
- 2022-12-30 CN CN202211726037.3A patent/CN116189215A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106572100A (zh) * | 2016-10-25 | 2017-04-19 | 中国建设银行股份有限公司 | 一种业务数据转移的审核方法、装置及系统 |
| WO2021003968A1 (zh) * | 2019-07-09 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 数据核对方法、装置、计算机设备和存储介质 |
| WO2022121163A1 (zh) * | 2020-12-11 | 2022-06-16 | 平安科技（深圳）有限公司 | 用户行为倾向识别方法、装置、设备及存储介质 |
| CN112801231A (zh) * | 2021-04-07 | 2021-05-14 | 支付宝(杭州)信息技术有限公司 | 用于业务对象分类的决策模型训练方法和装置 |
| CN113377711A (zh) * | 2021-06-29 | 2021-09-10 | 平安普惠企业管理有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
| CN115293915A (zh) * | 2022-08-09 | 2022-11-04 | 中国平安人寿保险股份有限公司 | 一种业务数据的校验方法、装置、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575004A (zh) * | 2024-01-16 | 2024-02-20 | 北京壁仞科技开发有限公司 | 基于双层决策树的核函数确定方法、计算设备和介质 |
| CN117575004B (zh) * | 2024-01-16 | 2024-05-10 | 北京壁仞科技开发有限公司 | 基于双层决策树的核函数确定方法、计算设备和介质 |
| CN118193772A (zh) * | 2024-05-13 | 2024-06-14 | 飞狐信息技术（天津）有限公司 | 一种图像分析处理方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108763952B (zh) | 一种数据分类方法、装置及电子设备 | |
| CN110457302B (zh) | 一种结构化数据智能清洗方法 | |
| US11409642B2 (en) | Automatic parameter value resolution for API evaluation | |
| CN111783126B (zh) | 一种隐私数据识别方法、装置、设备和可读介质 | |
| CN116189215A (zh) | 自动审核方法、装置、电子设备及存储介质 | |
| US20210097197A1 (en) | Systems and methods for detecting personally identifiable information | |
| CN112149387A (zh) | 财务数据的可视化方法、装置、计算机设备及存储介质 | |
| CN112132238A (zh) | 一种识别隐私数据的方法、装置、设备和可读介质 | |
| KR102101456B1 (ko) | 문서 파일 및 비정형 이미지 파일에서의 개인정보 노출 여부 진단에 대한 오탐율 저감 방법 | |
| CN113221762B (zh) | 代价平衡决策方法、保险理赔决策方法、装置和设备 | |
| CN115982388B (zh) | 案件质控图谱建立、案件文书质检方法、设备及存储介质 | |
| CN112559679B (zh) | 政法新媒体传播力的检测方法、装置、设备及存储介质 | |
| CN113988878B (zh) | 一种基于图数据库技术的反欺诈方法及系统 | |
| CN114925373B (zh) | 基于用户评语的移动应用隐私保护政策漏洞自动识别的方法 | |
| CN111813964B (zh) | 基于生态环境的数据处理方法及相关设备 | |
| CN113836297B (zh) | 文本情感分析模型的训练方法及装置 | |
| CN111738358B (zh) | 一种数据识别方法、装置、设备和可读介质 | |
| CN116402056A (zh) | 文档信息的处理方法、装置及电子设备 | |
| CN112131409A (zh) | 核保方法、装置、设备、系统及存储介质 | |
| CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
| Alqahtani | Automated Extraction of Security Concerns from Bug Reports | |
| Toprak et al. | Enhanced Named Entity Recognition algorithm for financial document verification | |
| CN112668302A (zh) | 虚假诉讼的判断方法及装置 | |
| CN118898512A (zh) | 风险用户的确定方法、风险预测模型的训练方法及相关装置 | |
| CN118606454A (zh) | 对象预测方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |